MétaCan
Menu
Retour à la cohorte
Enregistrement W2415819199 · doi:10.1016/j.geoderma.2016.05.020

Use of X-ray CT scan to characterize the evolution of the hydraulic properties of a soil under drainage conditions

2016· article· en· W2415819199 sur OpenAlexafffund
Yann Périard, Silvio José Gumière, Long Bao Le, Alain N. Rousseau, Jean Caron

Notice bibliographique

RevueGeoderma · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHydraulic conductivityDrainageSoil scienceGeotechnical engineeringPorosityPedotransfer functionVadose zoneFractal dimensionGeologyEnvironmental scienceSoil texturePorous mediumSoil waterFractalMathematics

Résumé

récupéré en direct d'OpenAlex

Characterization of soil hydraulic properties is essential for modelling water flow and solute transport in the vadose zone. These properties are often assessed assuming that the soil is a non-deformable (rigid) porous medium. However, under real conditions, such as those found in agricultural systems, the soil is constantly exposed to external stresses induced by farm machinery and by wetting and drying cycles, which constantly modify the soil hydraulic properties. The main objective of this work was to develop a methodological framework based on X-ray CT scanning to predict the spatio-temporal evolution of the hydraulic properties of a soil under drainage conditions. The methodological framework combines the particle size distribution of a soil and the fractal dimension of its porosity obtained from X-ray CT scans to predict the saturated hydraulic conductivity and volumetric deformation of a soil column. The results show that the proposed framework provides a realistic description of the spatio-temporal evolution of the hydraulic properties of a soil during the drainage process.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,190
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeodermaMême sujetSoil and Unsaturated FlowTravaux en français237 207